[发明专利]基于深度神经网络的帕金森病运动迟缓视频检测模型的构建方法

摘要

本发明公开了一种基于深度神经网络的帕金森病运动迟缓视频检测模型的构建方法，其结合了计算机视觉和深度学习技术，通过短视频对受测试者的运动模式进行评估，并判断存在运动迟缓症状的可能性。本发明同时考虑了运动行为和运动过程，提出了详细的数据采集方法和运动轨迹定义方法，并设计了三种新颖的度量指标和一种周期运动网络模型PMNet来处理运动迟缓症状判断问题。与传统方法不同，本发明具有可扩展性和可移植性的特点，基于卷积神经网络的关键点提取方法可以被其它更为精准的模型所替换，还可以添加更多特征来描述运动行为。此外，本发明能够胜任其它类似的周期性运动评估，如MDS‑UPDRS量表3.4项的手指敲击动作。

主权项

1.一种基于深度神经网络的帕金森病运动迟缓视频检测模型的构建方法，包括如下步骤：(1)拍摄受试者手部连续周期性抓握动作的过程，将视频图像依次输入至模型HandSegNet和PoseNet中获得每帧图像中五个关键点的位置坐标，这五个关键点包括掌心以及除拇指外的其余四指的指尖；进而利用曼哈顿距离计算出每帧图像中四个指尖关键点与掌心关键点之间的相对距离，进而得到四组相对距离‑图像帧的变化曲线；(2)对所述变化曲线进行平滑滤波处理并计算确定每一次抓握过程中变化曲线峰值和谷值的图像帧索引位置，进而将变化曲线分成上下两部分：上面部分对应为手掌舒张阶段且包含n个∩型波，下面部分对应为手掌合拢阶段且包含n个∪型波，n为抓握次数；(3)分别利用稳定性、完成度和自相似性三种度量方法对四组变化曲线分别进行特征提取，并将提取得到的特征依次排列成向量的形式；(4)根据步骤(1)～(3)对不同的受试者进行视频图像采集、预处理以及特征提取，从而得到大量样本，每个样本包含特征向量及其对应的标签，所述标签由0或1表示，0代表对应的特征向量源自未患有帕金森病运动迟缓症状的受试者，1代表对应的特征向量源自患有帕金森病运动迟缓症状的受试者；(5)将所有样本分为训练集、验证集和测试集，利用训练集样本对深度神经网络进行训练，利用验证集样本对训练完成的网络进行参数配置选择，利用测试集对网络模型进行评估，从而得到帕金森病运动迟缓视频检测模型。